今年早些时候,精品酒店集团CIO Brian Kirkland刚刚实现了众多技术领导者梦寐以求的里程碑:关闭了公司最后一处实体数据中心。
此举意味着该集团为期五年的亚马逊云科技转型计划圆满成功,期间总计退役3700多台服务器、逐步淘汰300余款过时的软件程序,并在云迁移过程中又优化了另外250款软件程序。
如今,Kirkland和他的团队正运用云设施带来的速度与灵活性优势不断扩大AI计划,并在其涵盖7500多家酒店的全球业务体系中为客户及特许经营商提供全新体验。
Kirkland在谈到向亚马逊云科技的迁移之旅时表示,“我们必须选择这条道路,因为我们都不清楚明天会是什么样子。”对于酒店这个越来越依赖实时数据以提供最新客房定价与个性化客户体验的行业中,“固守自有数据中心不会带来任何竞争优势。”
Kirkland在精品酒店集团的职业生涯始于2015年,他当时为该公司开发了预订与库存管理系统的云版本,这对酒店这个并不以紧跟技术趋势而闻名的行业来说堪称一大进步。而在2018年出任CIO时,他开始将战略重点转向将这种敏捷性推广至整个公司。
Kirkland解释称,转型的核心就在于专注提供价值,并实施严格的治理与成本管理措施。他与高管团队的同事们密切合作,共同规划过渡方案,他的小组还建立起护栏以监控云资源消耗并密切关注运营支出。
转型带来的收益已经在方方面面得到直观体现。例如,软件部署可以每月进行一轮、而不再像过去每天都需要操作,这也使精品酒店集团的网站迎来了重大变化。在新冠疫情爆发的第一个月,精品酒店集团在网站上发布的变更比之前一整年还要多。
2022年,该公司又推出了ChoiceMAX,这是一套移动及云优先的收益管理系统,可利用机器学习技术为加盟商提供实时定价建议。除了潜在增加客房收入之外,该应用程序还对过往极为耗时的大部分手动流程进行了自动化改造。
随着企业迁移至云端,精品酒店集团的IT角色、工具和技能组合也发生了变化。以往大批负责管理实体数据中心的员工被调往云运营与工程团队,与亚马逊云科技一道构建并管理网络,同时构建工具以优化云支出。Kirkland表示,数据科学能力在精品酒店集团内正迅速普及,公司也鼓励每位员工积极探索如何在日常工作中使用AI与机器学习成果。
精品酒店集团还拥有一支小型“攻坚团队”,专注于推动AI、特别是生成式AI的安全高效采用。该公司也在针对员工及加盟商提供以技术为中心的培训强化计划,同时组织“创造马拉松”等创新活动,帮助团队向高管层展示能够快速投入生产的新项目。
Kirkland表示,与亚马逊云科技这样的大型云服务商密切合作,好处在于能有机会在新产品及服务推出时率先参与测试。作为Amazon Connect的试用客户,精品酒店集团尝试利用这套AI平台来提高客服中心的运行效率。他们还在测试另外一种AI工具,希望跨多个系统聚敛客户数据以建立统一的用户画像,最终借此提供更加个性化的使用体验。
在生成式AI方面,精品酒店集团则在测试亚马逊的CodeWhisperer开发者生产力工具以及微软的Copilot解决方案。虽然尚未做好全面上线的准备,但其团队也在测试可直接供客户使用的生成式AI功能。
Kirkland概括指出,无论具体选择哪种AI技术,“只要它们做好了供员工安全使用的准备,我们就一定要能力快速发布。”
新技术带来的冲击也为精品酒店集团提供了一系列利用业务数据来推动增长、加速发展的新机遇。展望未来,Kirkland表示他的工作重点是进一步扩大新的AI用例,将可靠数据交付至最终用户手中,并将来自不同部门的知识和见解有机组合起来。
Kirkland最后总结道,“今天的我们永远比过去更先进,而明天的我们永远比今天更先进。这将是一段永不止步的探索之旅。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。